基于随机森林的动车组轴温故障识别

张士存 张杜玮 顾佳

摘 要：随着高铁的高速发展，动车组运行安全面临越来越大的挑战，作为动车组重要组成部分的转向架受到的关注日益增加。本文利用随机森林算法根据动车组轴箱的温度识别轴箱是否故障，及时提醒动车组司机和随车机械师确认并进行降速等处置措施，保障列车运行安全。

关键词：动车组；轴箱温度；随机森林；故障识别

中图分类号：TP333.35 文献标识码：A 文章编号：1671-2064（2018）08-0050-02

近些年，我国的高铁事业得到迅猛发展，技术越来越成熟，速度越来越快，特别是我国自主设计研发的‘复兴号动车组更是以350km/h速度试运营，如何保障列车安全运行成为极其重要的挑战。动车组转向架在列车运行过程中起承载、转向、缓冲、牵引、制动等作用，它的各种参数直接决定了列车的稳定性和舒适性[1]。而高速列车轴箱轴承是高铁转向架的关键部件，其性能好坏直接影响列车的安全行驶，经过以往研究发现轴箱发生故障后直接表现是其温度异常变化，通过实时监测温度的异常温升等变化情况，可以对列车轴箱故障进行预警，保障列车运行安全[2]。

1 随机森林简述

随机森林算法是机器学习中最具有广泛影响力的算法之一，它不仅应用于分类还能进行回归预测，也可以用来聚类，它适合多个特征变量，且变量之间可以是多重共线性的，不会出现过拟合，适合大样本数据训练，可以并行执行，比神经网络时间复杂度小。

优点：（1）在数据集上表现良好，随机森林不容易陷入过拟合；……